专业的上海网站建设公司排名百姓网推广电话

目录

问题引入

解释

卷积

滤波

---

问题引入

卷积和滤波是很相似的，都是利用了卷积核进行操作

那么他们之间有什么区别呢？

卷积：会影响原图大小

滤波：不会影响原图大小

---

解释

卷积

我们用这样一段代码来看

import torch.nn as nn
import torch
x = torch.rand(3,5,5)
print(x.shape)
# 卷积
conv = nn.Conv2d(3,3,kernel_size=3,stride=1)
y= conv(x)
print(y.shape)

我们可以看见图像的大小出现了变换,因为卷积操作舍去了一部分(这里是卷积最基本的原理，大家都明白)

---

滤波

我们也同样先用一段代码来展示

import cv2img = cv2.imread("te.png")
print(img.shape)
# print(img[:5,:,0])img1 = cv2.blur(img,(3,3))
print(img1.shape)
# print(img1[:5,:,0])img2 = cv2.GaussianBlur(img,(3,3),1)
print(img2.shape)
# print(img2[:5,:,0])img3 = cv2.medianBlur(img, 3)
print(img3.shape)
# print(img3[:5,:,0])

我们可以看见，图像的大小都没有发生变换，这是为什么呢？

原因: 滤波操作会保留图像的原大小 （这句话怎么理解呢，我们来看下面的滤波的原理）

我们以均值滤波为例子

img1 = cv2.blur(img,(3,3))

我们的卷积核设为3x3的

其实要理解这个很简单，主要看看是如何保留边缘的像素点的

如图所示，以18为中心3x3的区域，左上角的18就会替换为:(18+54+55+121)/4   没有的就都不用计算

因此其大小不会发生改变，把每个像素点都照顾到了